Virginie Brard, Regional Vice President France & Benelux chez Fivetran, observe une transformation silencieuse mais profonde du fonctionnement des entreprises. À mesure que les agents d’IA autonomes s’intègrent dans les workflows, la donnée ne sert plus seulement à analyser, elle devient le point de départ de l’action.
Pendant des années, l’entreprise s’est définie comme une entité humaine, simplement épaulée par des outils digitaux. Aujourd’hui, elles deviennent des systèmes computationnels soutenus par des humains. Dans cette nouvelle configuration, les données ne sont plus une simple référence, elles deviennent la matière même de l’action.
Les données, moteur de l’action agentique
Jusqu’ici, les données servaient essentiellement à regarder dans le rétroviseur. Elles permettaient de comprendre ce qui s’était passé, et dépendaient entièrement de l’interprétation humaine pour guider les décisions. Avec l’émergence des agents d’IA autonomes, cette relation est bouleversée. Ces agents n’ont pas à choisir d’utiliser les données car ils opèrent à partir d’elles, les interprètent, les manipulent, et dépendent de leur qualité pour agir correctement.
Les données deviennent alors un médium transactionnel. Ce sont elles qui initient, valident et concluent les actions. Elles ne sont plus un tableau de bord consulté ponctuellement. Elles deviennent le substrat même du comportement de cette nouvelle main-d’œuvre numérique. C’est un changement fondamental qui marque le passage de l’usage des données pour comprendre l’entreprise à leur utilisation pour la faire fonctionner.
Un impératif d’architecture pour les entreprises
Cette transformation implique un impératif clair. Si les agents dépendent des données pour agir, les entreprises doivent construire un environnement où ces données sont disponibles au moment de l’action, interprétables et directement exploitables. Ce besoin devient le socle de la prochaine évolution de l’infrastructure de données.
Le mouvement est déjà en cours. À mesure que les workflows migrent de l’exécution humaine vers l’automatisation par des agents, tout l’écosystème applicatif et data est redéfini.
Les composants de l’infrastructure du futur
Les interfaces en langage naturel, d’abord, ouvrent un accès direct aux données à toute personne capable de formuler une question claire. Plus besoin de compétences techniques ni d’intermédiation : l’accessibilité devient totale.
Les agents prennent alors le relais des workflows spécialisés. Au lieu que les outils définissent la manière de travailler, ce sont les agents qui orchestrent les tâches à travers les systèmes, en fluidifiant l’exécution. Ils deviennent la véritable unité opérationnelle de l’organisation.
Dans ce contexte, les systèmes métiers ne sont plus les lieux exclusifs d’exécution du travail. Ils évoluent pour devenir des environnements gouvernés par des règles, appliquant les contraintes propres à chaque domaine. Ils définissent ce qui est valide, qui peut modifier quoi, et ce qui doit être vrai avant qu’un agent puisse agir.
La couche de données, quant à elle, prend une dimension nouvelle. Au lieu d’enregistrer passivement le passé, elle devient l’environnement dans lequel décisions et actions se déploient. Contrairement aux humains, les agents ne gèrent pas l’ambiguïté. Ils exigent des règles claires, des hiérarchies définies et une résolution des conflits intégrée directement dans les données. Cette exigence impose une transformation en profondeur sur quatre aspects essentiels. Les données doivent être interopérables dans l’ensemble des systèmes. Chaque concept clé doit avoir une réponse canonique unique, décidée et assumée. Les règles de modification doivent être explicites afin de garantir la stabilité des workflows. Enfin, la signification et la hiérarchie des données doivent être formalisées pour permettre aux agents d’agir sans médiation humaine.
Les fondations technologiques à construire
À cela s’ajoutent des capacités structurelles qui deviennent essentielles. La qualité des données, leur lignée et leur historique doivent être démontrables. La confiance ne peut plus être supposée, elle doit être prouvée. Les transformations de données doivent ajouter du contexte et refléter la réalité opérationnelle de l’entreprise, en encodant son expertise et ses processus.
Et ces données doivent être accessibles par tous les systèmes, actuels comme futurs, dans un format universel. Cela permet d’éviter des intégrations spécifiques à chaque nouvel outil, tout en assurant une interopérabilité durable. Enfin, l’accès aux données doit se faire directement au point d’action. Une IA n’est vraiment utile que si elle peut intervenir là où les décisions sont prises, à l’intérieur même des applications où se joue l’activité de l’entreprise.
En somme, l’entrée dans l’ère de l’IA ne repose pas sur la sophistication des modèles, mais sur la solidité des fondations de données. Les entreprises qui réussiront seront celles qui auront su construire des infrastructures interprétables, stables et prêtes pour cette nouvelle génération de travail automatisé.
La main-d’œuvre de demain est déjà en formation. La vraie question désormais est de savoir si vos données sont prêtes à la soutenir.
